数学建模·中国GDP趋势分析与预测

数学建模·中国GDP趋势 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 与预测 中国GDP增长的分析与预测 仿作于中南大学国家级精品教程 《中国GDP上涨空间的合理性分析》 摘要 1978 年11月，中国经济开始改革开放，之后中国经济持续高速发展达30年之久，让全世界瞩目。这30年中，中国经济增长成为世界第三大经济体。 国内生产总值(GDP)是现代国民经济核算体系的核心指标，是衡量一个国家综合国力的重要指标。 本文就1978年到2008年的生产总值(GDP)等相关统计数据，先建立了关于GDP增长的回归预测模型(通过MATLAB编程计算， 本文判断出 234ˆy,15706.3967,16126.7508x，6564.1066x,1124.7878x，95.8665x 567,4.1564x，0.0880x,0.0007x对现实数据的拟合效果最好，从而预测了2014年到2018年的GDP总量，但是预测值与实际极度不符。 为了得到更好的预测结果 ，本文建立了ARIMA模型。 通过计算自相关函数和偏相关函数，确定取=2。利用AIC准则定阶，取ARIMA(1,2,2)模型。计算得到2014年到2018d 年的GDP总量，通过与2009及2010的GDP总量比较，发现该模型短期预测精度是比较高的。 选取ARIMA模型预测的结果进行分析，预计中国GDP将继续保持增长，不过增长率缓慢下降。猜想:GDP年增长率最后将趋于稳定。 关键词:GDP;回归预测模型;ARIMA模型 引言 国内生产总值(Gross Domestic Product，简称GDP)是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。 一般来说，国内生产总值共有四个不同的组成部分，其中包括消费、私人投资、 CAGDPCAICBX,，，，政府支出和净出口额。用 公式 小学单位换算公式大全免费下载公式下载行测公式大全下载excel公式下载逻辑回归公式下载 表示为:。式中:为消费、 CB为私人投资、为政府支出、为净出口额。 IX 一个国家或地区的经济究竟处于增长抑或衰退阶段，从这个数字的变化便可以观察到。一般而言，GDP公布的形式不外乎两种，以总额和百分比率为计算单位。当GDP的增长数字处于正数时，即显示该地区经济处于扩张阶段;反之，如果处于负数，即表示该地区的经济进入衰退时期了。国内生产总值是指一定时间内所生产的商品与劳务的总量乘以“货币价格”或“市价”而得到的数字，即名义国内生产总值，而名义国内生产总值增长率等于实际国内生产总值增长率与通货膨胀率之和。因此，即使总产量没有增加，仅价格水平上升，名义国内生产总值仍然是会上升的。在价格上涨的情况下，国内生产总值的上升只是一种假象，有实质性影响的还是实际国内生产总值变化率，所以使用国内生产总值这个指标时，还必须通过GDP缩减指数，对名义国内生产总值做出调整，从而精确地反映产出的实际变动。因此，一个季度GDP缩减指数的增加，便足以表明当季的通货膨胀状况。如果GDP缩减指数大幅度地增加，便会对经济产生负面影响，同时也是货币供给紧缩、利率上升、进而外汇汇率上升的先兆。 一国的GDP大幅增长，反映出该国经济发展蓬勃，国民收入增加，消费能力也随之增强。在这种情况下，该国中央银行将有可能提高利率，紧缩货币供应，国家经济表现良好及利率的上升会增加该国货币的吸引力。反过来说，如果一国的GDP出现负增长，显示该国经济处于衰退状态，消费能力减低时，该国中央银行将可能减息以刺激经济再度增长，利率下降加上经济表现不振，该国货币的吸引力也就随之而减低了。因此，一般来说，高经济增长率会推动本国货币汇率的上涨，而低经济增长率则会造成该国货币汇率下跌。例如，1995-1999年，美国GDP的年平均增长率为4.1%，而欧元区11国中除爱尔兰较高外(9.0%)，法、德、意等主要国家的GDP增长率仅为2.2%、1.5%和1.2%，大大低于美国的水平。这促使欧元自1999年1月1日启动以来，对美元汇率一路下滑，在不到两年的时间里贬值了30%。但实际上，经济增长率差异对汇率变动产生的影响是多方面的: 一是一国经济增长率高，意味着收入增加，国内需求水平提高，将增加该国的进口，从而导致经常项目逆差，这样，会使本国货币汇率下跌。 二是如果该国经济是以出口导向的，经济增长是为了生产更多的出口产品，则出口的增长会弥补进口的增加，减缓本国货币汇率下跌的压力。 三是一国经济增长率高，意味着劳动生产率提高很快，成本降低改善本国产品的竞争地位而有利于增加出口，抑制进口，并且经济增长率高使得该国货币在外汇市场上被看好，因而该国货币汇率会有上升的趋势。 在美国，国内生产总值由商务部负责分析统计，惯例是每季估计及统计一次。每次在发表初步预估数据(The Preliminary Estimates)后，还会有两次的修订公布(The First Revision & The Final Revision)，主要发表时间在每个月的第三个星期。国内生产总值通常用来跟去年同期作比较，如有增加，就代表经济较快，有利其货币升 值;如减少，则表示经济放缓，其货币便有贬值的压力。以美国来说，国内生产总值能有3%的增长，便是理想水平，表明经济发展是健康的，高于此水平表示有通货压力;低于1.5%的增长，就显示经济放缓和有步入衰退的迹象。 国内生产总值(GDP)是指一个国家或地区所有常住单位在一定时期内生产活动的最终成果。这个指标把国民经济全部活动的产出成果概括在一个极为简明的统计数字之中，为评价和衡量国家经济状况、经济增长趋势及社会财富的经济表现提供了一个最为综合的尺度，可以说，它是影响经济生活乃至社会生活的最重要的经济指标。对其进行的分析预测具有重要的理论与现实意义。 本文以我国为例，建立数学模型，分析经济增长的内在特征。并对未来五年我国经济发展做出预测，为政府制定经济发展战略提供依据。 名词解释 GDP年增长率: 国内生产总值(GDP)增长率是指GDP的年度增长率,需用按可比价格计算的国内生产总值来计算。 GDP增长率是宏观经济的四个重要观测指标之一，(还有三个是失业率、通胀率和国际收支)。 本期GDP-上期GDPGDP增长率的计算公式为:以1978年为基年，GDP年增长率,，100%. 上期GDP通过计算到表一的数据 表一 1978-2008年的GDP概况 GDP年增长年份 GDP GDP年增长率 年份 GDP 率 1978 3624.1 0.0 1996 48198.0 36.4 1979 4038.2 11.4 1997 60794.0 26.1 1980 4517.8 11.9 1998 71176.6 17.1 1981 4862.4 7.6 1999 78973.0 11.0 1982 5294.7 8.9 2000 84402.3 6.9 1983 5934.5 12.1 2001 89677.1 6.2 1984 7171.9 20.9 2003 99214.6 10.6 1985 8964.4 25.0 2005 109655.2 10.5 1986 10202.2 13.8 2006 120332.7 9.7 1987 11962.5 17.3 2007 135822.8 12.9 1988 14928.3 24.8 2008 159878.3 17.7 1989 16909.2 13.3 2010 183217.4 14.6 1990 18547.9 9.7 2011 211923.5 15.7 1991 21617.8 16.6 2012 257305.6 21.4 1992 26638.1 23.2 2013 314045.0 22.1 1995 35334.0 32.6 数据分析 利用Matlab对表一中的数据进行处理，得到图1与图2 5图2 GDP年增长率随时间变化曲线图1 GDP随时间变化曲线x 10403.5 353 302.5 252 201.5GDP/亿元GDP年增长率/%151 100.5 50197919821985198819911994199720002003200619751980198519901995200020052010时间/年时间/年 观察图1可得，自1978年开始中国的GDP一直保存增长状态。 通过图二，从GDP的年增长率来看，GDP年增长率的变化真是太快了，GDP年增长率在1980年到1981年处于下降，1981年到1985年保持上升，经过1986年的下降，接下来两年又保持上升状态，然后又是两年下降，随后到1994年一直增长达到最大值，接着连续5年下降，于1999年达到谷底，最后一直到2008年左右GDP年增长率起起伏伏，但变化非常小，总体上保持增长状态。 模型的建立 [1]回归分析模型 模型简介 多项式回归模型为: 2N (1-1) y,b，bx，bx，？，bx012N (,)(1,2,...,)xyin,将数据点代入，有 ii n2 ( i , , ， , ，? ， n )， (1-2) y,b，bx，bx，...，bx，,iiinii012 ,ybb,式中是未知参数，为剩余残差项或随机扰动项，反映所有其他因素对因变量ii01 的影响。 ,在运用回归方法进行预测时，要求满足一定的条件，其中最重要的是必须具备如下i ,,E()0,,特征:1、是一个随机变量;2、的数学期望值为零，即;3、在每一个时期iii 2中，的方差为一常量，即;4、各个间相互独立;5、与自变量无关。 ,,,D(),,,iiii 2大多数情况下，假定。 ,, N(0,)i 建立一元线性回归模型分以下步骤: Step1、建立理论模型 针对某一因变量，寻找适当的自变量，建立如(1-1)的理论模型 y Step2、估计参数 运用普通的最小二乘法或其他方法评估参数的值，建立如下的一元线性回归预测bb和01模型: n2ˆˆˆˆ ( i , , ， , ，? ， n ) (1-2) y,b，bx，bx，...，bx，,iiinii012 ˆˆ这里分别是的估计值。 bb,bb和0101 如果是采用最小二乘法估计的值，即时残差平方和(也称剩余平方和) bb和01 2nn2 Qbbybbx(,)(),,,，,,,,,iii0101,,ii11 ,,QQ达到最小， 令 ,,0,0得 ,,bb01 Sxyˆˆ (1-3) ,bbybx,,,10iSxx 2nnn11其中 xxyySxx,,,,,,(),,,iixxinn,,,iii111 n Sxxyy,,,()(),xyii,1i Step3、进行检验 回归模型建立之后，能否用来进行实际预测，取决于它与实际数据是否有较好的拟合度， 模型的线性关系是否显著等。为此，在实际用来测量之前，还需要对模型进行一系列评价检 验。 1、 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 误差 标准误差是估计值与因变量值间的平均平方误差，其计算公式为: n2ˆ()yy,,ii,1iS, (1-4) n,2 它可以用来衡量拟合优度。 22、判定系数 R 2判定系数是衡量拟合优度的一个重要指标，它的取值介于0与1之间，其计算公式R 为: n2ˆ()yy,,ii2i1,R,,1 (1-5) n2()yy,,ii1, 2R越接近于1，拟合程度越好;反之越差。 3、相关系数 相关系数是一个用于测定因变量与自变量之间线性相关程度的指标，其计算公式为 n ()()xxyy,,,ii,1i (1-6) r,.nn22()()xxyy,,,,ii,,11ii 2R与判定系数之间存在关系式: 相关系数r 2 rR,, 2R但两者的概念不同，判定系数用来衡量拟合优度，而相关系数用来判定因变量与r自变量之间的线性相关程度。 r,0r,0 相关系数的数值范围是当时，称xy与正相关;当时，称xy与,,,11,r r,0rr,1负相关;当时，称xy与不相关;当，称xy与完全相关，越接近于1，相当 程度越高。 yx与 相关系数的显著性检验，简称相关检验，它是用来判断是否显著线性相关的。 相关检验要利用相关系数表，步骤如下: na首先计算样本相关系数值。然后根据给定的样本容量和显著性水平查相关系数r r表，得临界值，最后进行检验判断: a 若则与rrx,,y有显著的线性关系;a 若则与rrx,,y的线性相关关系不显著a 4、回归系数显著性检验 t回归系数的显著性检验可用检验法进行，令 b1 (1-7) t,b1Sb1 S其中 ,,,(2), Sttnbb11n2(),xx,i,1i 取显著性水平，则回归系数显著，此检验对常数项亦适b,,()),Ptttt,,,若aba11用。 5、检验 F 统计量 n2ˆ()yy,,i,1i (1-8) F,n2ˆ()yy,,ii,1i(2)n, 服从分布，取显著性水平，则表明回归模型显著;,.若(FF,1，n-2)Fn(1,2),,如果，则表明回归模型不显著，改回归模型不能用于预测。 FFn,,(1,2), DW6、统计量 DW,统计量是用来检验回归模型的剩余项之间是否存在自相关的一种十分有效的i方法。 n2(),,,,,1ii,2iDW, (1-9) n2,,ii,1 ˆ,,,yy式中 iii DWDWd,将利用式(1-9)计算而得到的值与不同显著性水平下的值之上限和, DW04 下限进行比较，来确定是否存在自相关。值应在之间。 DWDW当值小于或等于2时，检验法则规定: ,DWd, 如果，则认为存在正自相关; il ,DWd, 如果，则认为无自相关; i, ,dDWd,, 如果，则不能确定是否有自相关。 il, DWDW当值大于2时，检验法则规定: 如果，则认为存在负自相关; ,4,,DWdil 如果，则认为无自相关; ,4,,DWdi, 如果，则不能确定是否有自相关 ,dDWd,,,4il, DW1.52.5 根据经验，统计量的值在之间时表示没有显著自相关问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 。 以上检验可利用统计软件包进行回归时同时完成 Step4、进行预测 预测可分为点预测和区间预测两类，在一元线性回归中，所谓点预测，就是当给定 时，利用样本回归方程求出相应的样本拟合值，以此作为因变量个别x,xy,b，bx00010 值和其均值的估计。 yE(y)00 区间预测是给出一个在一定概率保证程度下的预测置信区间。 进行区间预测，首先要进行点预测，确定的值，求得的预测值。 xyy000 的置信度为的预测区间的端点为: y100(1,,)%0 (1-10) y,tSc0,0 n,2P(t,t),,t 其中，S为标准偏差，可由t分布表查得，其自由度为,满足，而 0, 2x,x，，10c,，，1 0n2n，，x,x,i,1i ARIMA模型建模步骤 [2]数据平稳化处理 首先要对时间序列数据进行平稳性检验。可以通过时间序列的散点图或折线图对序列进行初步的平稳性判断。一般采用ADF单位根检验来精确判断该序列的平稳性。对非平稳的时间序列，我们可以先对数据进行取对数或进行差分处理，然后判断经处理后序列的平稳性。 ARIMApdq,,重复以上过程，直至成为平稳序列。此时差分的次数即为 模型中的阶数，，。从理论上而言，足够多次的差分运算可以充分地提取序列中的非平稳确定性信息。但应d 当注意的是，差分运算的阶数并不是越多越好。因为差分运算是一种对信息的提取、加工过程，每次差分都会有信息的损失，所以在实际应用中差分运算的阶数要适当，应当避免过度差分，简称过差分的现象。一般差分次数不超过2次。 数据平稳化处理后，模型即转化为模型。 ARIMApdq,,ARMApq,，，，， 模型识别 我们引入自相关系数和偏自相关系数这两个统计量来识别模型的系数特ARMApq,，，点和模型的阶数。若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合模型;若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可AR 断定序列适合模型;若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适MA 合模型。自相关函数成周期规律的序列，可选用季节性乘积模型。自相关函数ARMA 规律复杂的序列，可能需要作非线性模型拟合。 在平稳时间序列自相关函数和偏自相关函数上初步识别模型阶数和，然pqARMA [3]后利用AIC定则准确定阶。AIC准则:最小信息准则，同时给出模型阶数和参数ARMA的最佳估计，适用于样本数据较少的问题。目的是判断预测目标的发展过程与哪一随机过程最为接近。因为只有当样本量足够大时，样本的自相关函数才非常接近母体的自相关函数。具体运用时，在规定范围内使模型阶数从低到高，分别计算AIC值，最后确定使其值最小的 ARMApq,阶数是模型的合适阶数。关于模型，AIC函数定义如下: ，， 2AICnpq,，，log2, ，， 2,式中:平稳序列为样本数，为拟合残差平方和，，为参数。 npq AIC准则定阶方法可写为: AICpqAICklkMlH,min,0,0,,,,,，，，，kl, n/10n其中:，为模型阶数的上限值，一般取为根号或。实际应用中，NpMARMA 一般不超过2。 q 参数估计 确定模型阶数后，应对模型进行参数估计。本文采用最小二乘法OLS进行参数ARMA 估计，需要注意的是，模型的参数估计相对困难，应尽量避免使用高阶的移动平均模型MA 或包含高阶移动平均项的模型。 ARMA [4]模型检验 完成模型的识别与参数估计后，应对估计结果进行诊断与检验，以求发现所选用的模型是否合适。若不合适，应该知道下一步作何种修改。这一阶段主要检验拟合的模型是否合理。一是检验模型参数的估计值是否具有显著性;二是检验模型的残差序列是否为白噪声。参数 H:,,,,,,,,,估计值的显著性检验是通过t检验完成的Q检验的零假设是即模型012k QTT,，2的误差项是一个白噪声过程。Q统计量定义为 ，， 2,kpq,,r 近似服从分布，其中表示样本容量，表示用残差序列计算的自相T，，k 关系数值，表示自相关系数的个数，表示模型自回归部分的最大滞后值，表示移动平kpq均部分的最大滞后值。用残差序列计算Q统计量的值。显然若残差序列不是白噪声，残差序列中必含有其他成份，自相关系数不等于零。则值将很大，反之值将很小。判别 规则 编码规则下载淘宝规则下载天猫规则下载麻将竞赛规则pdf麻将竞赛规则pdf QQ 是: 2 若，则接受。 Qkpq,,,,H，，,0 2 若，则拒绝。 Qkpq,,,,H，，0, 其中表示检验水平。 , 模型求解 回归分析模型的模型求解 从图1中我们大致可以确定该图与幂函数多项式的图象较为相近，所以我们建立了多项式模型，运用matlab计算得到表二 表二 回归检验参数 多项式的次回归方程的F统拒绝无效假设决定系数R 数 计 的概率 2 0.9659 396.7026 0 3 0.9845 572.8865 0 4 0.9922 826.3737 0 5 0.9981 2646.0241 0 6 0.9988 3284.6603 0 7 0.9991 3543.7730 0 9 0.9991 3236.8805 0 根据多项式模型的检验方法，二次，三次及四次多项式大部分指标差别不大，拟合效果比较差，从五次到七次多项式拟合效果越来越好，到八次多项式F值突然减小，造成拟合效果下降，于是本文选择了七次多项式来拟合。 ,利用matlab统计工具求解，得到回归系数估计值及置信区间(置信水平=0.05)见表三 表三 模型计算结果 参数 参数估计值 参数置信区间 15706.3967 [388.8805,31023.9129] ,0 -16126.7508 [-31514.2175,-739.2841] ,1 6564.1066 [1431.6056,11696.6077] ,2 -1124.7878 [-1914.9731,-334.6024] ,3 95.8665 [32.2050,159.5281] ,4 -4.1564 [-6.9269,-1.3860] ,5 0.0880 [0.02631,0.1496] ,6 -0.0007 [-0.0013,-0.0002] ,7 于是得到回归方程 234ˆ y,15706.3967,16126.7508x，6564.1066x,1124.7878x，95.8665x 567,4.1564x，0.0880x,0.0007x (其中x表示具体年度减去1977) 绘图如图3 5图3 GDP随时间变化曲线x 103.5 3 2.5 2 1.5GDP总量 1 拟合值0.5实际值0 05101520253035 时间 由图3，我们可以进一步确定拟合效果非常好。 根据所求得的函数关系式，我们对未来5年对相关书籍的产量进行了预测，预测结果见 表四所示: 表四 GDP预测值 年度 GDP预测值 2014 2034266360.6777 2015 2387256851.8095 2016 2789855917.6535 2017 3247481667.7247 2018 3765982116.2781 ARIMA模型求解 通过计算自相关函数和偏相关函数，确定取=2。利用AIC准则对表五定阶，取ARIMAd (1,2,2)模型。计算得 表六 年度 预测值 2014 693984.9397 2015 761248.9958 2016 829629.1308 2017 899125.3447 2018 969737.6373 模型评价 比较多项式回归模型和ARIMA模型的预测结果，可以得到ARIMA模型的预测结果比多 项式回归模型好，而且短期预测精度是比较高的。 当然国内生产总值是国民经济的核心内容，经济状况几乎要牵涉到经济体系中的所有， 如此复杂的过程并非靠简单的一个或多个变量来决定，权衡的因素繁多。因此，本文还有许 多不足之处，会在以后的学习工作中将其不断完善。 结果分析 根据ARIMA模型预测的表六数据，计算出2014年到2018年的GDP年增长率如表七 表七 2014年到2018年的年增长率 年度 年增长率 年度 年增长率 0.105358520.083767802014 2017 6 8 0.096924370.078534422015 2018 4 6 2016 0.08982624 利用matlab绘图 图4 GDP年增长率随时间变化曲线17 16 15 14 13 12% 11 10 9 8 7201020112012201320142015201620172018时间/年 由图4可得，预计中国GDP将继续保持增长，不过增长率缓慢下降。 猜想:GDP年增长率最后将趋于稳定。 参考文献 [1]姜启源，谢金星(数学模型[M](北京:高等教育出版社，2003( [2]张树京，齐立心.时间序列分析简明教程[M].北京:清华大学出版社，2003:5-15. [3]徐国祥(统计预测和决策(第二版)[M](上海:上海财经大学出版社，2005:148-149( [4]易丹辉.统计预测2方法与应用[M].北京:中国统计出版社,2001:177- 251. 附录 %%图1 x=1978:2008; y=[3624.1,4038.2 ,4517.8 ,4862.4,5294.7,5934.5,7171.0,8964.4,10202.2 ,11962.5 ,14928.3 ,16909.2 ,18547.9 ,21617.8 ,26638.1 ,35334.0 ,48198 .0 ,60794.0 ,71176.6 ,78973.0 ,84402.3 ,89677.1 ,99214.6 ,109655.2 ,1 20332.7 ,135822.8 ,159878.3 ,183217.4 ,211923.5 ,257305.6 ,314045.0 ]; plot(x, y,'-+'); title('图1 GDP随时间变化曲线'); xlabel('时间/年'); ylabel('GDP/亿元'); %%图2 t=[11.4000000000000,11.9000000000000,7.60000000000000,8.90000000000000,12.1000000000000,20.9000000000000,25,13.8000000000000,17.3000000000000,24.8000000000000,13.3000000000000,9.70000000000000,16.6000000000000,23.2000000000000,32.6000000000000,36.4000000000000,26.1000000000000,17.1000000000000,11,6.90000000000000,6.20000000000000,10.6000000000000,10.5000000000000,9.70000000000000,12.9000000000000,17.7000000000000,14.6000000000000,15.7000000000000,21.4000000000000,22.1000000000000]; n=1979:2008; plot(n,t,'-o'); title('图2 GDP年增长率随时间变化曲线'); xlabel('时间/年'); ylabel('GDP年增长率/%'); set(gca,'Xtick',[1979:3:2008]); 回归预测 V=[3624.1,4038.2 ,4517.8 ,4862.4,5294.7,5934.5,7171.0,8964.4,10202.2 ,11962.5 ,14928.3 ,16909.2 ,18547.9 ,21617.8 ,26638.1 ,35334.0 ,48198.0 ,60794.0 ,71176.6 ,78973.0 ,84402.3 ,89677.1 ,99214.6 ,109655.2 ,120332.7 ,135822.8 ,159878.3 ,183217.4 ,211923.5 ,257305.6 ,314045.0 ]'; c =1:31; R=c'; x = [ones( size( R ) ), R, R.^2,R.^3,R.^4,R.^5,R.^6,R.^7]; alpha = 0.05; [b, bint, r, rint, stat] = regress(V, x, alpha); n = 1000; t = linspace( min(R), max(R), n); y = polyval( fliplr( b' ), t ); % y = b(1) + b(2) * t + b(3) * t.^2; figure; plot(t, y,'-',R,V,'+'); title('图3 GDP随时间变化曲线'); xlabel('时间'); ylabel('GDP总量'); legend('拟合值','实际值'); AMIRM模型源代码 a=[3624.1,4038.2 ,4517.8 ,4862.4,5294.7,5934.5,7171.0,8964.4,10202.2 ,11962.5 ,14928.3 ,16909.2 ,18547.9 ,21617.8 ,26638.1 ,35334.0 ,48198.0 ,60794.0 ,71176.6 ,78973.0 ,84402.3 ,89677.1 ,99214.6 ,109655.2 ,120332.7 ,135822.8 ,159878.3 ,183217.4 ,211923.5 ,257305.6 ,314045.0 ]; r11=autocorr(a); r12=parcorr(a); da=diff(a); r21=autocorr(da); r22=parcorr(da); n=length(da); for i=0:3 for j=0:3 spec=garchset('R',i,'M',j,'Display','off'); [coeffX,errorsX,LLFX]=garchfit(spec,da); num=garchcount(coeffX); [aic,bic]=aicbic(LLFX,num,n); fprintf('R=%d,M=%d,AIC=%f,BIC=%f\n',i,j,aic,bic); end end r=input('R='); m=input('M='); spec2=garchset('R',r,'M',m,'Display','off'); [coeffX,errorsX,LLFX]=garchfit(spec2,da); [sigmaForecast,w_Forecast]=garchpred(coeffX,da,10); x_pred=a(end)+cumsum(w_Forecast); 图4 x=2010:2018; y=[0.164750791 0.144006536 0.128116248 0.115549596 0.105358526 0.096924374 0.08982624 0.083767808 0.078534426]'; plot(x, y,'-+'); title('图1 GDP年增长率随时间变化曲线'); X ('时间/年'); Y ('%'); 结论:鉴于各项数据及模型的建立，在改革开放后的初期阶段我国 GDP的增长率属于长期的持续增长状态，但由于人民生活水平的逐渐 提高，消费水平及质量的要求，最终形成的结果应该是在未来的一段 时间内，我国GDP的增长率最后应该持续稳定。 与原作中南大学国家精品教程之论《中国GDP上涨空间的合理性》的区别之处: 原作于1中国近年的,,,增长率与日本进行比较，建立ARIMA 模型，通过,,,增长，投 资房地产(固定及 非固定投资)以及进出口(即贸易顺差或者逆差值)三 大部分的数据建立模型，进行长期和短期预测。 2对中国的,,,的增长因素进行分析 3采用合理的模型确定中国GDP的上涨范围 4查找相关历史国家例如日本的近几十年的数据。 本文就1978年到2008年的生产总值(GDP)等相关统计数据，先建立了关于GDP增长的回归预测模型(通过MATLAB编程计算， 234ˆy,15706.3967,16126.7508x，6564.1066x,1124.7878x，95.8665x 567,4.1564x，0.0880x,0.0007x对现实数据的拟合效果最好，从而预测了2014年到2018年的GDP总量 为了得到更好的预测结果 ，本文建立了ARIMA模型，回归预测模型。 通过计算自相关函数和偏相关函数，确定取=2。利d用AIC准则定阶，取ARIMA(1,2,2)模型。计算得到2014年到2018年的GDP总量，通过与2009及2010的GDP总量比较，预计中国GDP将继续保持增长，不过增长率缓慢下降。猜想:GDP年增长率最后将趋于稳定。 总黄酮 生物总黄酮是指黄酮类化合物，是一大类天然产物，广泛存在于植物界，是许多中草药的有效成分。在自然界中最常见的是黄酮和黄酮醇，其它包括双氢黄(醇)、异黄酮、双黄酮、黄烷醇、查尔酮、橙酮、花色苷及新黄酮类等。 简介 近年来，由于自由基生命科学的进展，使具有很强的抗氧化和消除自由基作用的类黄酮受到空前的重视。类黄酮参与了磷酸与花生四烯酸的代谢、蛋白质的磷酸化、钙离子的转移、自由基的清除、抗氧化活力的增强、氧化还原作用、螯合作用和基因的表达。它们对健康的好处有:( 1 ) 抗炎症 ( 2 ) 抗过敏 ( 3 ) 抑制细菌 ( 4 ) 抑制寄生虫 ( 5 ) 抑制病毒 ( 6 ) 防治肝病 ( 7 ) 防治血管疾病 ( 8 ) 防治血管栓塞 ( 9 ) 防治心与脑血管疾病 ( 10 ) 抗肿瘤 ( 11 ) 抗化学毒物 等。天然来源的生物黄酮分子量小，能被人体迅速吸收，能通过血脑屏障，能时入脂肪组织，进而体现出如下功能:消除疲劳、保护血管、防动脉硬化、扩张毛细血管、疏通微循环、活化大脑及其他脏器细胞的功能、抗脂肪氧化、抗衰老。 近年来国内外对茶多酚、银杏类黄酮等的药理和营养性的广泛深入的研究和临床试验，证实类黄酮既是药理因子，又是重要的营养因子为一种新发现的营养素，对人体具有重要的生理保健功效。目前，很多著名的抗氧化剂和自由基清除剂都是类黄酮。例如，茶叶提取物和银杏提取物。葛根总黄酮在国内外研究和应用也已有多年，其防治动脉硬化、治偏瘫、防止大脑萎缩、降血脂、降血压、防治糖尿病、突发性耳聋乃至醒酒等不乏数例较多的临床报告。从法国松树皮和葡萄籽中提取的总黄酮 " 碧萝藏 "-- (英文称 PYCNOGENOL )在欧洲以不同的商品名实际行销应用 25 年之久，并被美国 FDA 认可为食用黄酮类营养保健品，所报告的保健作用相当广泛，内用称之为 " 类维生素 " 或抗自由基营养素，外用称之为 " 皮肤维生素 " 。进一步的研究发现碧萝藏的抗氧化作用比 VE 强 50 倍，比 VC 强 20 倍，而且能通过血脑屏障到达脑部，防治中枢神经系统的疾病，尤其对皮肤的保健、年轻化及血管的健康抗炎作用特别显著。在欧洲碧萝藏已作为保健药物，在美国作为膳食补充品(相当于我国的保健食品)，风行一时。随着对生物总黄酮与人类营养关系研究的深入，不远的将来可能证明黄酮类化合物是人类必需的微营养素或者是必需的食物因子。性状:片剂。 功能主治与用法用量 功能主治:本品具有增加脑血流量及冠脉血流量的作用，可用于缓解高血压症状(颈项强痛)、治疗心绞痛及突发性耳聋，有一定疗效。 用法及用量:口服:每片含总黄酮,,,,，每次,片，,日,次。 不良反应与注意 不良反应和注意:目前,暂没有发现任何不良反应. 洛伐他丁 【中文名称】: 洛伐他丁 【英文名称】: Lovastatin 【化学名称】:(S)-2-甲基丁酸-(1S,3S,7S,8S,8aR)-1,2,3,7,8,8a-六氢-3,7-二甲基 -8-[2-(2R,4R)-4-羟基-6氧代-2-四氢吡喃基]-乙基]-1-萘酯 【化学结构式】: 洛伐他丁结构式 【作用与用途】洛伐他丁胃肠吸收后，很快水解成开环羟酸，为催化胆固醇合成的早期限速酶(HMG,coA还原酶)的竞争性抑制剂。可降低血浆总胆固醇、低密度脂蛋白和极低密度脂蛋白的胆固醇含量。亦可中度增加高密度脂蛋白胆固醇和降低血浆甘油三酯。可有效降低无并发症及良好控制的糖尿病人的高胆固醇血症，包括了胰岛素依赖性及非胰岛素依赖性糖尿病。 【 用法用量】口服:一般始服剂量为每日 20mg，晚餐时1次顿服，轻度至中度高胆固醇血症的病人，可以从10mg开始服用。最大量可至每日80mg。 【注意事项】?病人既往有肝脏病史者应慎用本药，活动性肝脏病者禁用。?副反应多为短暂性的:胃肠胀气、腹泻、便秘、恶心、消化不良、头痛、肌肉疼痛、皮疹、失眠等。?洛伐他丁与香豆素抗凝剂同时使用时，部分病人凝血酶原时间延长。使用抗凝剂的病人，洛伐他丁治疗前后均应检查凝血酶原时间，并按使用香豆素抗凝剂时推荐的间期监测。 他汀类药物 他汀类药物(statins)是羟甲基戊二酰辅酶A(HMG-CoA)还原酶抑制剂，此类药物通过竞争性抑制内源性胆固醇合成限速酶(HMG-CoA)还原酶，阻断细胞内羟甲戊酸代谢途径，使细胞内胆固醇合成减少，从而反馈性刺激细胞膜表面(主要为肝细胞)低密度脂蛋白(low density lipoprotein，LDL)受体数量和活性增加、使血清胆固醇清除增加、水平降低。他汀类药物还可抑制肝脏合成载脂蛋白B-100，从而减少富含甘油三酯AV、脂蛋白的合成和分泌。 他汀类药物分为天然化合物(如洛伐他丁、辛伐他汀、普伐他汀、美伐他汀)和完全人工合成化合物(如氟伐他汀、阿托伐他汀、西立伐他汀、罗伐他汀、pitavastatin)是最为经典和有效的降脂药物，广泛应用于高脂血症的治疗。 他汀类药物除具有调节血脂作用外，在急性冠状动脉综合征患者中早期应用能够抑制血管内皮的炎症反应，稳定粥样斑块，改善血管内皮功能。延缓动脉粥样硬化(AS)程度、抗炎、保护神经和抗血栓等作用。 结构比较 辛伐他汀(Simvastatin)是洛伐他汀(Lovastatin)的甲基化衍化物。 美伐他汀(Mevastatin，又称康百汀，Compactin)药效弱而不良反应多，未用于临床。目前主要用于制备它的羟基化衍化物普伐他汀(Pravastatin)。 体内过程 洛伐他汀和辛伐他汀口服后要在肝脏内将结构中的其内酯环打开才能转化成活性物质。 相对于洛伐他汀和辛伐他汀，普伐他汀本身为开环羟酸结构，在人体内无需转化即可直接发挥药理作用，且该结构具有亲水性，不易弥散至其他组织细胞，极少影响其他外周细胞内的胆固醇合成。 除氟伐他汀外，本类药物吸收不完全。 除普伐他汀外，大多与血浆蛋白结合率较高。 用药注意 大多数患者可能需要终身服用他汀类药物，关于长期使用该类药物的安全性及有效性的临床研究已经超过10年。他汀类药物的副作用并不多，主要是肝酶增高，其中部分为一过性，并不引起持续肝损伤和肌瘤。定期检查肝功能是必要的，尤其是在使用的前3个月，如果病人的肝脏酶血检查值高出正常上线的3倍以上，应该综合分析病人的情况，排除其他可能引起肝功能变化的可能，如果确实是他汀引起的，有必要考虑是否停药;如果出现肌痛，除了体格检查外，应该做血浆肌酸肌酸酶的检测，但是横纹肌溶解的副作用罕见。另外，它还可能引起消化道的不适，绝大多数病人可以忍受而能够继续用药。 红曲米 天然降压降脂食品——红曲米 红曲 红曲米又称红曲、红米，主要以籼稻、粳稻、糯米等稻米为原料，用红曲霉菌发酵而成，为 棕红色或紫红色米粒。 红曲米是中国独特的传统食品，其味甘性温，入肝、脾、大肠经。早在明代，药学家李时珍所著《本草纲目》中就记载了红曲的功效:营养丰富、无毒无害，具有健脾消食、活血化淤的功效。上世纪七十年代，日本远藤章教授从红曲霉菌的次生级代谢产物中 发 现 了 能 够 降 低 人 体 血 清 胆 固 醇 的 物 质 莫 纳 可 林 K( Monacolin-k ) 或 称 洛 伐 他 汀 ， (Lovastatin) ，引起医学界对红曲米的关注。1985 年，美国科学家 Goldstein 和 Brown 进一 步找出了 Monacolin-k 抑制胆固醇合成的作用机理，并因此获得诺贝尔奖，红曲也由此名声大噪。 红曲米的医疗保健功效如下: 1.降压降脂:研究表明，红曲米中所含的 Monacolin-K 能有效地抑制肝脏羟甲基戊二酰辅酶 还原酶的作用，降低人体胆固醇合成，减少细胞内胆固醇贮存;加强低密度脂蛋白胆固醇的 摄取与代谢，降低血中低密度脂蛋白胆固醇的浓度，从而有效地预防动脉粥样硬化;抑制肝 脏内脂肪酸及甘油三酯的合成，促进脂质的排泄，从而降低血中甘油三酯的水平;升高对人 体有益的高密度脂蛋白胆固醇的水平， 从而达到预防动脉粥样硬化， 甚至能逆转动脉粥样硬 化的作用。 2.降血糖:远藤章教授等人曾直接以红曲菌的培养物做饲料进行动物试验，除确定含有红曲 物的饲料可以有效地使兔子的血清胆固醇降低 18%~25%以上外，又发现所有试验兔子在食 入饲料之后的 0.5 小时内血糖降低 23%~33%，而在 1 小时之后的血糖量比对照组下降了 19%~29%。说明红曲降糖功能显著。 3.防癌功效:红曲橙色素具有活泼的羟基，很容易与氨基起作用，因此不但可以治疗胺血症 且是优良的防癌物质。 4.保护肝脏的作用:红曲中的天然抗氧化剂黄酮酚等具有保护肝脏的作用。 压乐胶囊 压乐胶囊成分 压乐胶囊”唯一成分“红曲酵素”大纪事 1970:红曲米提取6种他汀，制成降脂药世界第一红曲，是寄生在红曲米上，发酵提取 压乐胶囊 的活性生物菌。70年代日本科学家远藤根据《本草纲目》上记载红曲的“活血”功效的启示，从红曲营养液中分离出优良的6种含胆固醇抑制剂和甘油三酯分解剂的红曲菌，被命名为“莫纳可林”即“他汀类”，此后30多年来，红曲米提取的“他汀”被世界医学界公认为最好的降脂药，在临床上大量使用。 2002: 降压史上历史性突破----6种他丁+2种红曲降压素=“红曲酵素” 2002年，震惊世界的生物领域重大发明，红曲中的降糖、降压、抗癌成分(GABA-GLUCOSAMINE)通过发酵提取，在原来6种他丁的基础上合成“红曲酵素(Monacolin-R)，经大量的临床试验，这种复合酵素不仅保留了生物他丁的降脂功效，而且它的降血压效果堪比任何药物，《药日新闻》撰文品论，红曲酵素的出现，将开辟降压药新时代。 2008: 6年临床证实“红曲酵素”降血压、治心脑、防猝死、能停药 随后的6年，5万名高血压患者临床运用证实:“红曲酵素”对调理器官微血循环、帮助血液进行重新分配，迅速降压，修复受损心脑肝肾作用显著。而且“红曲酵素”降压同时、养心、护脑、清肝、活肾的功效，达到了降压药的顶峰～“红曲酵素”也被世界医学界誉为“可以媲美青霉素的旷世发现～” “红曲酵素”摘取美国医学界最高荣誉“拉斯克奖” “红曲酵素”的发现者日本Biopharm研究所所长远藤章(74岁)，因此项发明被授予美国医学界最高荣誉“拉斯克奖”，纽约市长布隆博格将颁奖理由归结于“数千万人因此得以延长生命～” 通 知 各地消费者: 为了打击假冒伪劣产品，保护消费者利益，公司从2011年4月起， 正式委托国家GMP认证企业 吉林市隆泰参茸制品有限责任公司 生产我公司产品《压乐牌鑫康延平胶囊》(以下简称压乐)。 按照国家规定，《压乐》产品盒子和说明书做以下相应调整: 1.委托生产企业由原来的“山西天特鑫保健食品有限公司”， 改为“吉林市隆泰参茸制品有限责任公司”。 2.生产地址由原来的“山西省大同县马连庄”，改为“吉林 省桦甸市经济开发区”。 3. 产品企业标准由“Q140200TTX009-2010”改为“Q/HDLTS. 09-2011”. 4.卫生许可证由“晋卫食证字(2007)140000-110039号”， 改为吉卫食证字(2008)第220282-SC4348号。 5.增加了食品流通许可证号SP1101051010090481(1-1)。 6.盒子上增加了“数码钞票花纹防伪”技术，包装上的花纹 清晰，仔细观看，花纹中间有“压乐”字样。 北京鑫康胜生物技术开发有限公司 2011年4月6日 本店郑重声明:不卖假货! 每天解释防伪码的问题真的很累～请顾客买之前先看完。厂家因为不让在网上出售，所以我们的防伪码都要刮掉，那个防伪码对于顾客来讲是查询真伪用的，但是对于代理来讲是厂家用来查串货用的，所以我们网上出售一定要撕掉，希望您理解～如果您不能接受的话，请不要拍，免得没有必要的麻烦～以后凡是因为防伪码被撕申请退货的顾客，本店一律不支持～请您考虑好了再拍～~ 我们盒子上的防伪挖掉了一部分，是查不了的，因为厂家严查网上低价串货，厂家可以从防伪数字查出货源，不能接受的请不要拍～绝对正品，收到可以试用几天满意在确认，不满意可以全额退款! 谁能详细给我介绍一下药品串货。谢谢～ 浏览次数:697次悬赏分:0 | 解决时间:2010-9-12 16:15 | 提问者:yanyecc 最佳答案 药品串货是一种违规操作。一般来说药品的经营，在地方都是有代理商，代理商是负责独家供货，而药品的生产厂家也会给予市场保护，每个地区不能出现同样品种的经营代理商。串货是指通过厂家发货到其他的地方，再把药品流通到有生产厂家代理商的地方市场去销售，形成了市场冲撞～ 分享给你的朋友吧: 新浪微博 回答时间:2010-9-2 22:29 药品串货对药厂有什么害处 浏览次数:607次悬赏分:0 | 解决时间:2010-10-22 11:52 | 提问者:匿名 最佳答案 首先明确什么是串货。 串货的种类有以下3种: 1.良性串货:厂商在市场开发的初期，有意或者无意地选中了市场中流通性强的经销商，使其产品迅速流向市场空白区域和非重要区域。 2.恶性串货 :经销商为了获得非正常利润，蓄意向自己辖区外的市场倾销商品。 恶意串货形成的5个大的原因: 1.市场饱和; 2.厂商给予的优惠政策不同; 3.通路发展的不平衡; 4.品牌拉力过大而通路建设没跟上; 5.运输成本不同导致经销商投机取巧。 对厂家来说:——害处 可追溯性差，出了事搞不清状况。 价格体系混乱长远看影响品牌发展。 消费者得不到应有保证，经销商受到打击，不利于渠道建设。 当然也有好处。所以窜货屡禁不止 这里学问不小，可以慢慢交流。 新浪微博 回答时间:2010-10-22 10:20 | 我来评论 压乐胶囊”唯一成分“红曲酵素”大纪事 1970:红曲米提取6种他汀，制成降脂药世界第一 红曲，是寄生在红曲米上，发酵提取的活性生物菌。70年代日本科学家远藤根据《本草纲目》上记载红曲的“活血”功效的启示，从红曲营养液中分离出优良的6种含胆固醇抑制剂和甘油三酯分解剂的红曲菌，被命名为“莫纳可林”即“他汀类”，此后30多年来，红曲米提取的“他汀”被世界医学界公认为最好的降脂药，在临床上大量使用。 2002:降压史上历史性突破----6种他丁+2种红曲降压素=“红曲酵素” 2002年，震惊世界的生物领域重大发明，红曲中的降糖、降压、抗癌成分(GABA-GLUCOSAMINE)通过发酵提取，在原来6种他丁的基础上合成“红曲酵素(Monacolin-R)，经大量的临床试验，这种复合酵素不仅保留了生物他丁的降脂功效，而且它的降血压效果堪比任何药物，《药日新闻》撰文品论，红曲酵素的出现，将开辟降压药新时代。 2008:6年临床证实“红曲酵素”降血压、治心脑、防猝死、能停药 随后的6年，5万名高血压患者临床运用证实:“红曲酵素”对调理器官微血循环、帮助血液进行重新分配，迅速降压，修复受损心脑肝肾作用显著。而且“红曲酵素”降压同时、养心、护脑、清肝、活肾的功效，达到了降压药的顶峰～“红曲酵素”也被世界医学界誉为“可以媲美青霉素的旷世发现～” •“红曲酵素”摘取美国医学界最高荣誉“拉斯克奖” 74岁)，因此项发明被授予美国医学界最高荣誉“拉“红曲酵素”的发现者日本Biopharm研究所所长远藤章( 斯克奖”，纽约市长布隆博格将颁奖理由归结于“数千万人因此得以延长生命～” “压乐胶囊”1粒见效，当天停服所有西药 6个月血压彻底稳定，并发症消失，实现终身停药。 “压乐胶囊”是目前世界上第一个纯生物制剂降压新品，独含的“红曲酵素”成分能调理心脑肝肾器官微循环，帮助血液进行重新分配，减少心脏压力，清除血液垃圾，软化血管，达到不让血压升起来的目的，修复受损心脑肝肾，达到源头治疗高血压的目的。 1粒见效，当天可停服降压西药，3—7天平稳血压 头痛，头晕，耳鸣，胸闷，乏力等症状逐渐改善，7天后，睡的香了，眩晕症状消失，脑供血不足，心肌缺血等症状明显好转，可减少服用量。 1个月内，逐渐减少“压乐胶囊”的服用量， 3天服一粒 血液流动越来越通畅，血压平稳，血脂，血粘度降低。高血压各项指标逐渐恢复正常，腿脚有力，精神好，脑中风、冠心病、心肌梗塞等危险解除。 6个月内，60%高血压患者可停掉“压乐胶囊” 随着患者心、脑、肝、肾器官得到全面修复，心脑肝肾功能恢复年轻态，血液分布完全正常，血液干净，血管有弹性，血压持续平稳，6个月内1期高血压患者达到临床治愈，即可停药。2期高血压患者只需5-10天服用1粒，即可保持血压持续平稳，冠心病、心绞痛等临床症状消失。3期高血压患者冠心病、心梗、中风后遗症得到良好治疗，2-3天服用1粒，不再担心血压高、心梗、中风反复发作，并发症恶化。 根源阻击高血压，不让血压升起来 全面逆转并发症，拯救心脑肝肾